Informe Dashboard

Informe

Objetivos

completar…

Destinatarios

Completar….

El detalle procedimental utilizado en el presente documento, tiene como objetivo que pueda ser utilizado por quienes ya manejan programación en R, pero también por quienes se están iniciando por ese camino.

Procedimiento

A continuación, comenzamos a explicar el paso a paso para realizar la limpieza y organización de los datos, según los objetivos presentados.

Para comenzar, se deben realizar configuraciones iniciales, las cuales iremos detallando a continuación.

Incorporamos las librerias a utilizar.

library(tidyverse)      
#library(googlesheets4)  
library(gargle)         
library(funModeling)    
library(kableExtra)
library(plotly)
library(patchwork)#superponer graficos
library(RColorBrewer)

#library(tm)
#library(lubridate) 
#library(datos)
#library( hms)

Creamos objetos que vamos a utlizar en diversas oportunidades y solo debemos invocarlos.

azul <- "#344D7E"
verde <-  "#4A9FC7"
gris <- "#75838F"
rosa1 <- "#B95192"
rosa2 <- "#EE5777"
naranja <- "#FF764C"
amarillo <- "#FFA600"
gris <- "#75838F"
lila <- "#755395"
genero <- c("#8624F5", "#1FC3AA")


# Estilo limpio con líneas de referencia verticales en gris claro
estilov <- theme(panel.grid = element_blank(),
                 plot.background = element_rect(fill = "#FBFCFC"),
                 panel.background = element_blank(),
                 panel.grid.major.x = element_line(color = "#AEB6BF"),
                 text = element_text(family = "Roboto"))

# Estilo limpio con líneas de referencia horizontales en gris claro
estiloh <- theme(panel.grid = element_blank(),
                 plot.background = element_rect(fill = "#FBFCFC"),
                 panel.background = element_blank(),
                 panel.grid.major.y = element_line(color = "#AEB6BF"),
                 text = element_text(family = "Roboto"))


fuente <- "Fuente: Elaboración propia"

Incorporamos las bases de datos a utilizar.

original <- read.csv("Data.csv", stringsAsFactors = TRUE)

Almacenamos los datos en objeto para evitar usar la base original.

#rm(d1)
d1<- original

Demos un vistazo de lo que tenemos en el Dataframe:

#status(d1)

Comenzamos trabajando con los nombres de las columnas. Y consultamos los nombres de las mismas.

limpios <- make.names(colnames(d1))
colnames(d1) <- limpios

#names(d1)

Cambiamos los nombres de las columnas, para que sean en castellano y sean más facil de interpretar.

#rm(d1)

d1 <- d1%>% 
  rename(
  edad=  "ï..Age",
  rotacion= "Attrition",
  viaje_negocio="BusinessTravel",
  tasa_diaria="DailyRate", 
  departamento=Department,
  distancia=DistanceFromHome,
  educacion=Education,
  especialidad=EducationField,
  cuenta_empleado=EmployeeCount,
  dotacion=EmployeeNumber,
  clima=EnvironmentSatisfaction,
  genero=Gender,
  tasa_horaria=HourlyRate, 
  participacion=JobInvolvement,
  jerarquia=JobLevel,
  puesto=JobRole,
  satisfaccion=JobSatisfaction,
  est_civil=MaritalStatus,
  sueldo=MonthlyIncome,
  tasa_sueldo=MonthlyRate,
  companias_trabajadas=NumCompaniesWorked,
  mayor_18=Over18,
  hs_extras=OverTime,
  aumento_porcentual= PercentSalaryHike,
  desempeno=PerformanceRating, # no uso la ñ
  vinculo=RelationshipSatisfaction,
  horas=StandardHours,
  ESO= StockOptionLevel, # (Employee Stock Option),
  anios_trabajados=TotalWorkingYears,
  entrenamientos_ly=TrainingTimesLastYear, 
  bce_vida_trabajo= WorkLifeBalance,
  antiguedad=YearsAtCompany,
  antiguedad_puesto=YearsInCurrentRole,
  antiguedad_ult_promocion= YearsSinceLastPromotion,
  antiguedad_gte= YearsWithCurrManager
  )

Variables

Vamos a explorar los tipos de variables.

Volvemos a revisar nuestra base y verificamos que las variables no requieren una modificación del formato, en esta instancia.

#str(d1)

Primera observación a las variables numericas. Sin realizar mucho análisis, podemos conocer el estado de las variables númericas, para tener una referencia inicial, seleccionando las variables a trabajar.

Eliminamos las columnas que no vamos a usar en el análisis

d1<- d1 %>% 
  select(everything(),-cuenta_empleado,-horas,)

plot_num(d1)

Vamos a explorar las diferentes variables.

Rotacion

Edito las observaciones en ingles

d1<- d1 %>% 
 mutate(rotacion = fct_collapse(rotacion,"Si"= "Yes"))

Viaje de trabajo

Armo una escala para facilitar su interpretación.

# armo una escala

#no - poco - frecuente

d1<- d1 %>% 
 mutate(viaje_negocio = fct_collapse(viaje_negocio,"Poco"= "Travel_Rarely",
                                                     "Frecuente"="Travel_Frequently" ,
                                                     "No"="Non-Travel"  ))

1° Visualización

d1%>%
  select(viaje_negocio)%>%
  group_by(viaje_negocio)%>%
  mutate(cuenta = 1) %>% 
  rename("Viaje de Negocio"= "viaje_negocio")%>% 
  summarise(Cantidad = sum(cuenta)) %>% 
  arrange(-Cantidad)

## # A tibble: 3 x 2
##   `Viaje de Negocio` Cantidad
##   <fct>                 <dbl>
## 1 Poco                   1043
## 2 Frecuente               277
## 3 No                      150

2° Visualización

d1%>%
  select(viaje_negocio)%>%
  group_by(viaje_negocio)%>%
  mutate(cuenta = 1) %>% 
  rename("Viaje de Negocio"= "viaje_negocio")%>% 
  summarise(Cantidad = sum(cuenta)) %>% 
  arrange(-Cantidad)%>%
  kable("html", escape=F) %>% 
  kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
  row_spec(0, bold=T, color="white", background = azul) %>% 
  footnote(general = fuente)

Viaje de Negocio	Cantidad
Poco	1043
Frecuente	277
No	150
Note:
Fuente: Elaboración propia

Departamento

Simplifico los nombres.

d1<- d1 %>% 
 mutate(departamento = fct_collapse(departamento,  "R&D"="Research & Development" , 
                                                   "HR"="Human Resources",
                                                    "Ventas"= "Sales"))


d1%>%
  select(departamento)%>%
  group_by(departamento)%>%
  mutate(cuenta = 1) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)%>%
  kable("html", escape=F) %>% 
  kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
  row_spec(0, bold=T, color="white", background = azul) %>% 
  footnote(general = fuente)

departamento	Cuenta
R&D	961
Ventas	446
HR	63
Note:
Fuente: Elaboración propia

Género

d1<- d1 %>% 
 mutate(genero = fct_collapse(genero,  "Femenino"="Female" , 
                                                   "Masculino"="Male",
                                                    ))

d1%>%
  select(genero)%>%
  group_by(genero)%>%
  mutate(cuenta = 1) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)%>%
  kable("html", escape=F) %>% 
  kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
  row_spec(0, bold=T, color="white", background = azul) %>% 
  footnote(general = fuente)

genero	Cuenta
Masculino	882
Femenino	588
Note:
Fuente: Elaboración propia

div <- d1 %>% 
select(genero) %>% 
  mutate(genero = factor(genero, 
                         levels = c("Femenino", "Masculino"))) %>% 
  group_by(genero) %>% 
  summarise (n = n()) %>% 
  mutate(freq = n/sum(n)) %>% 
  arrange(-n)

# Compute the cumulative percentages (top of each rectangle)
div$ymax <- cumsum(div$freq)

# Compute the bottom of each rectangle
div$ymin <- c(0, head(div$ymax, n=-1))

# Compute label position
div$labelPosition <- (div$ymax + div$ymin) / 2

# Compute a good label
div$label <- paste0(div$genero, "\n Cant: ", div$n)

# Make the plot
ggplot(div, aes(ymax=ymax, ymin=ymin, xmax=4, xmin=3, fill=genero)) +
  geom_rect() +
  coord_polar(theta="y") + # Try to remove that to understand how the chart is built initially
  xlim(c(2, 4)) +# Try to remove that to see how to make a pie chart
  scale_fill_manual(values = c("#8624F5",  "#1FC3AA", "#FFD129","#75838F")) +
  theme_void() +
  theme(legend.position = "right",
        panel.background = element_blank(),
        text = element_text(family = "Roboto")) +
  labs(title = "Género",
       fill = "Género", 
       caption = fuente)

Puesto

d1<- d1 %>% 
 mutate(puesto = fct_collapse(puesto,  "Vendedor"="Sales Executive" , 
                                        "Investigador"="Research Scientist",
                                        "Tec_laboratorio"="Laboratory Technician",
                                        "Dir_Operativo"="Manufacturing Director",
                                        "Atencion_cliente"="Healthcare Representative",
                                        "Gerente"="Manedadr",
                                        "Comercial"="Sales Representative",
                                        "Director"="Research Director",
                                        "HR"="Human Resources"))

d1%>%
  select(puesto)%>%
  group_by(puesto)%>%
  mutate(cuenta = 1) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)%>%
  kable("html", escape=F) %>% 
  kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
  row_spec(0, bold=T, color="white", background = azul) %>% 
  footnote(general = fuente)

puesto	Cuenta
Vendedor	326
Investigador	292
Tec_laboratorio	259
Dir_Operativo	145
Atencion_cliente	131
Manager	102
Comercial	83
Director	80
HR	52
Note:
Fuente: Elaboración propia

Estado civil

d1<- d1 %>% 
 mutate(est_civil = fct_collapse(est_civil,  "Casadx"="Married" , 
                                                   "Solterx"="Single",
                                                    "Divorciadx"= "Divorced"))

d1%>%
  select(est_civil)%>%
  group_by(est_civil)%>%
  mutate(cuenta = 1) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)%>%
  kable("html", escape=F) %>% 
  kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
  row_spec(0, bold=T, color="white", background = azul) %>% 
  footnote(general = fuente)

est_civil	Cuenta
Casadx	673
Solterx	470
Divorciadx	327
Note:
Fuente: Elaboración propia

Edad

Armamos grupos de edad

Primero consultamos las edades para armar las categorías:

d1%>%
  select(edad)%>%
  group_by(edad)%>%
  mutate(cuenta = 1) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)

## # A tibble: 43 x 2
##     edad Cuenta
##    <int>  <dbl>
##  1    35     78
##  2    34     77
##  3    31     69
##  4    36     69
##  5    29     68
##  6    32     61
##  7    30     60
##  8    33     58
##  9    38     58
## 10    40     57
## # ... with 33 more rows

En función de las cantidades previas, armamos las categorías adecuadas:

d1<-d1%>% 
         mutate(edad_cat = case_when(
                                edad > 17 & edad <= 25 ~ "18-25",
                                edad > 25 & edad <= 35 ~ "26-35",
                                edad > 35 & edad <= 46 ~ "36-45",
                                edad > 45 & edad <= 50 ~ "46-50",
                                edad > 50 & edad <= 64 ~ "51-64",        
                                edad > 64             ~ "> 64"
                                )) %>% 
         mutate(edad_cat = factor(edad_cat,
         level = c("18-25","26-35", "36-45","46-50","51-64","> 64")
    )) 


d1%>%
  select(edad_cat)%>%
  group_by(edad_cat)%>%
  mutate(cuenta = 1) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)%>%
  kable("html", escape=F) %>% 
  kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
  row_spec(0, bold=T, color="white", background = azul) %>% 
  footnote(general = fuente)

edad_cat	Cuenta
26-35	606
36-45	501
51-64	143
18-25	123
46-50	97
Note:
Fuente: Elaboración propia

Especialidad

d1%>%
  select(especialidad)%>%
  group_by(especialidad)%>%
  mutate(cuenta = 1) %>% 
  summarise(Cuenta = sum(cuenta)) %>% 
  arrange(-Cuenta)

## # A tibble: 6 x 2
##   especialidad     Cuenta
##   <fct>             <dbl>
## 1 Life Sciences       606
## 2 Medical             464
## 3 Marketing           159
## 4 Technical Degree    132
## 5 Other                82
## 6 Human Resources      27

d1<- d1 %>% 
 mutate(especialidad = fct_collapse(especialidad,  "Ciencias"="Life Sciences" , 
                                                   "Medicina"="Medical",                                                                                       "Mkt"="Marketing",                                                                                          "HR"="Human Resources",
                                                   "Otros"="Other"
                                                    ))

Relaciones

Empecemos viendo la representación porcentual de rotación.

Podemos visualizarlo en una tabla:

d1%>%
  select(rotacion)%>%
  group_by(rotacion)%>%
  rename("Rotación"="rotacion") %>% 
  mutate(cuenta = 1) %>% 
  summarise(Cantidad = sum(cuenta)) %>% 
  arrange(-Cantidad) %>% 
  mutate(Porcentaje = round(prop.table(Cantidad), 2)) %>% 
  kable("html", escape=F) %>% 
  kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
  row_spec(0, bold=T, color="white", background = azul) %>% 
  footnote(general = fuente)

Rotación	Cantidad	Porcentaje
No	1233	0.84
Si	237	0.16
Note:
Fuente: Elaboración propia

En un pie chart, ya sea incluyendo cantidades o solo una referencia visual:

g7<-d1%>% 
  select(rotacion)%>%
  group_by(rotacion)%>%
  summarise(counts = n()) %>%
  mutate(prop = (counts / sum(counts)) * 100) %>%
  arrange(desc(prop)) %>% 
ggplot(aes("", counts)) +
  geom_col(
    position = "fill",
    color = "black",
    width = 1,
    aes(fill = factor(rotacion))
  ) +
  geom_text(
    aes(label = str_c(round(prop), "%"), group = factor(rotacion)),
    position = position_fill(vjust = 0.5),
    color = "white",
    size = 6,
    show.legend = FALSE,
    fontface = "bold"
  ) +
  coord_polar(theta = "y") +
  theme_void() +
  scale_fill_manual (values = c(azul,verde)) +
  theme_void() +
  labs(
    title = "Rotación ",
    subtitle = "",
    caption = "",
    fill = ""
  )

g8<-d1%>% 
  select(rotacion)%>%
  group_by(rotacion)%>%
  summarise(counts = n()) %>%
  mutate(prop = (counts / sum(counts)) * 100) %>%
  arrange(desc(prop))

g8<-ggplot(g8, aes(x="", y=prop, fill=rotacion)) +
  geom_bar(stat="identity", width=1, color="white") +
  coord_polar("y", start=0) +
  theme_void() + 
  theme(legend.position="none") +
  geom_text(aes(label = rotacion), color = "white", size=6)+
  scale_fill_brewer(palette="Set2")

g7

g8

Especialidad & Rotación

Ahora relacionemos la especialidad con la rotación.

d1%>% 
  rename(
  Especialidad=  "especialidad")%>%
  plot_ly(x = ~Especialidad, color  =~rotacion, colors = "Accent" )%>%
  layout(yaxis = list(title = 'Cantidad'))

Genero & Especialidad

De los que se fueron, podemos observar la relación entre género y campo de especialidad

g1<-
  d1 %>% 
    select(rotacion,genero,especialidad) %>%
    rename("Género"=genero) %>% 
    filter (rotacion=="Si") %>%
    group_by(especialidad,Género) %>% 
    summarise(Cantidad=n()) 

  ggplot(data=g1,aes(x=especialidad,y = Cantidad ,fill=Género))+
    geom_bar(stat="identity", position=position_dodge())+
  scale_fill_manual(values = c(azul, verde)) +
    ggtitle("Especialidad & Genero ")+
  labs(x = "", y = "")

Ingresos vs Rotación

Veamos la relación entre ingresos y rotación.

Mediante la siguiente tabla analizamos los valores estandar.

d1%>% 
  summarise(Mediana = median(sueldo), 
              Promedio = mean(sueldo),
              Max = max(sueldo), 
              Min = min(sueldo)) %>% 
  kable("html", escape=F) %>% 
  kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
  row_spec(0, bold=T, color="white", background = azul)

Mediana	Promedio	Max	Min
4919	6502.931	19999	1009

Nos interesa relacionar genero, ingresos y rotacion.

Como vemos en el siguiente grafico, quienes se fueron de la empresa, es similar el sueldo, al igual que la cantidad de personas. La mayoria de los outliers se presenta en el género masculino.

De los que se encuentran activos, los sueldos más altos los tienen las mujeres.

ggplot(d1, aes(x=rotacion, y=sueldo, color=genero, fill=genero)) +
    geom_boxplot()

g2<-d1%>% 
  filter(rotacion=="Si")%>%
  plot_ly(x = ~departamento, color  =~genero, colors = "Accent" )%>%
  layout(yaxis = list(title = 'Cantidad'))

g3<-d1%>% 
  filter(rotacion=="No")%>%
  plot_ly(x = ~departamento, color  =~genero, colors = "Accent" )%>%
  layout(yaxis = list(title = 'Cantidad'))

g2

g3

¿Hay alguna relacion entre las personas que se fueron y los que hicieron horas extras?

Primero veamos un cuadro general entre Genero, horas extras y sueldo.

Vemos que las mujeres con sueldo mas alto, son quienes hacen horas extras, en cambio entre los hombres, hagan o no horas extras el sueldo es similar.

g6<-ggplot(d1, aes(x=hs_extras, y=sueldo, color=genero, fill=genero)) +
    geom_boxplot()

g6

Veamos ahora como impacta las horas extras extre las personas que se van de la compañia:

g4<-d1 %>% 
  select(hs_extras, sueldo, genero, rotacion) %>% 
  filter(rotacion=="Si") %>% 
  ggplot( aes(x=hs_extras, y=sueldo, color=genero, fill=genero)) +
    geom_boxplot()+
    labs(title='Bajas')


g5<-d1 %>% 
  select(hs_extras, sueldo, genero, rotacion) %>% 
  filter(rotacion=="No") %>% 
  ggplot( aes(x=hs_extras, y=sueldo, color=genero, fill=genero)) +
    geom_boxplot()+
   labs(title='Activos')

g4

g5

Podemos observar que los sueldos promedio de quienes se van de la compañia no tienen diferencias por genero.

 d1 %>% 
  select(puesto, sueldo, genero,rotacion) %>% 
  filter(rotacion=="Si") %>% 
  group_by(genero) %>% 
  summarise(media_salarial = mean(sueldo)) %>% 
  kable("html", escape=F) %>% 
  kable_styling(full_width = TRUE, bootstrap_options = c("striped","hover","condensed" )) %>% 
  row_spec(0, bold=T, color="white", background = azul) %>% 
  footnote(general = fuente)

genero	media_salarial
Femenino	4769.736
Masculino	4797.160
Note:
Fuente: Elaboración propia

## Solo se reproduce en el dashboard 
#brecha <- d1 %>% 
#  select(puesto, sueldo, genero,rotacion) %>% 
#  filter(rotacion=="Si") %>% 
#  group_by(genero) %>% 
#  summarise(media_salarial = mean(sueldo))

#brecha_graf <- brecha %>% 
#  pivot_wider(., names_from = genero, values_from = media_salarial) %>% 
#  mutate(brecha = percent((Masculino-Femenino)/Masculino, 1),
#         x = (Masculino + Femenino)/2,
#         gap = Femenino/Masculino)

# Calcular el indicador de brecha salarial 
#brecha_promedio <- round(mean(brecha_graf$gap*100))

### Sueldo Promedio Mujeres

#(round(mean(brecha_graf$Femenino)), icon = "fa-female", color = "#8624F5")

### Sueldo Promedio Hombres
#valueBox(round(mean(brecha_graf$Masculino)), icon = "fa-male", color = "#1FC3AA")

Y si bien, los sueldos promedios son casi identicos, observamos que la cantidad de personas no activas de cada genero varia en forma considerable.

d1 %>% 
    select(rotacion,genero) %>%
    filter (rotacion=="Si") %>%
    group_by(genero) %>% 
    summarise(Cantidad=n()) 

## # A tibble: 2 x 2
##   genero    Cantidad
##   <fct>        <int>
## 1 Femenino        87
## 2 Masculino      150

Podemos observar la misma información con la siguiente visualización

d1%>% 
  filter(rotacion=="Si") %>% 
  rename( Género=  "genero")%>%
  plot_ly(x = ~Género, color  =~rotacion, colors = "Accent" )%>%
  layout(yaxis = list(title = 'Cantidad'))